Code
from ultralytics import YOLO
model = YOLO("F:/2025/MAST_IA/1.- Fundamentos IA/Cacao/cacao_yolov8n.pt")
print("Modelo cargado correctamente")Modelo cargado correctamente
from ultralytics import YOLO
model = YOLO("F:/2025/MAST_IA/1.- Fundamentos IA/Cacao/cacao_yolov8n.pt")
print("Modelo cargado correctamente")Modelo cargado correctamente
import yaml
with open("F:/2025/MAST_IA/1.- Fundamentos IA/Cacao/cacao.yaml", "r", encoding="utf-8") as f:
data = yaml.safe_load(f)
print(data){'path': 'G:/Mi unidad/Colab Notebooks/AProfundo/cacao_dataset', 'train': 'train/images', 'val': 'val/images', 'test': 'test/images', 'names': {0: 'sana', 1: 'monilia', 2: 'phytophthora', 3: 'escoba_de_brujas', 4: 'antracnosis'}}
#metrics = model.val()
#metricsimport matplotlib.pyplot as plt
results = model.predict(source="G:/Mi unidad/Colab Notebooks/AProfundo/cacao_dataset/test/images/IMG-20250131-WA0226.jpg")
plot_img = results[0].plot()
# Mostrar en Quarto / Jupyter / HTML
plt.figure(figsize=(10,10))
plt.imshow(plot_img)
plt.axis("off")
plt.title("Detección de enfermedades de cacao")
plt.show()
image 1/1 G:\Mi unidad\Colab Notebooks\AProfundo\cacao_dataset\test\images\IMG-20250131-WA0226.jpg: 640x480 1 monilia, 236.8ms
Speed: 89.6ms preprocess, 236.8ms inference, 221.8ms postprocess per image at shape (1, 3, 640, 480)